Scoring
Páginas: 14 (3260 palabras)
Publicado: 10 de septiembre de 2010
IV.- Aplicación práctica: desarrollo de un modelo scoring de aprobación en una institución financiera de créditos de consumo.
"En gran medida, la econometria no es una ciencia, definida por un estrecho conjunto de teoremas, sino más bien constituye un enfoque que sólo puede ser apreciado y asimilado en toda su magnitud a través de su empleo cotidiano". Michael D. Intriligator
Una vezdefinida la estructura que debe seguirse para desarrollar un modelo scoring se procede a mostrar los resultados obtenidos de la aplicación en una institución financiera ecuatoriana dedicada al otorgamiento de créditos de consumo. Se sigue la estructura metodológica mostrada en el apartado 3, pero se obvia la explicación de cada numeral pues se desarrollo ampliamente en los capítulos precedentes.
1.-Selección de la muestra
Análisis de cosechas Para la selección de la muestra se construyó el indicador tasa de morosidad definiendo al malo como el cliente que ha incurrido alguna vez, en su primera operación crediticia, en una mora máxima de 30 días. Bajo esta definición las gráficas y los resultados estadísticos que testean la existencia de una probabilidad uniforme'" junto con la ventanatemporal de estudio elegida se muestra a continuación:
37 Esta prueba se conoce como Kolmogorov-Smirnov y testea la probabilidad de que una distribución empírica se ajuste a una distribución teórica específica, para el caso de estudio el interés es que la distribución sea uniforme.
58
Product o: Crédito de consumo Periodo de madurez de la cartera: diciembre 2002 - abril 2004
3000
""""""
Cartera madura
_
% malos
-
Cant. clientes
Fuente: Institución Financiera Ecuatoriana Elaboración propia
La tabla debajo muestra los diferentes periodos analizados, en donde LCC indica el nombre del producto; los grupos LCCmalo, LCC05044 y LCC12044, son la muestra total, la muestra entre mayo de 2003 y abril de 2004 y la muestra entre diciembre de 2003 y abril de 2004.La prueba de Kolmogorov-Smirnov realizada para distintos periodos muestra que la tercera ventana temporal se ajusta mejor a una distribución uniforme (regla empírica que sugiere un buen ajuste cuando la significación asintótica está por encima de 0,5). El periodo comprendido en esta muestra va desde diciembre de 2002 hasta abril
.
de 2004.
59
Prueba de Kolmogorov-5mirnov para unamuestra N Parámetros uniformes a,b LCCMALO 60 ,000 ,336 ,351 ,033 -,351 2,716 ,000 LCC05044 34 ,25 ,34 ,154 ,120 -,154 ,895 ,399 LCC12044 15 ,27
,34
Mínimo Máximo Absoluta Positiva Negativa
Diferencias más extremas Z de Kolmogorov-Smimov Sigoasintót. (bilateral)
,196 ,091 -,196 ,759 ,612
a. La distribución de contraste es la Uniforme. b. Se han calculado a partir de los datos.
Paqueteestadfstico empleado: SPSSversión 11.5
Fuente: Institución Financiera Ecuatoriana
Elaborac ión propia
2.- Definición de buenos y malos
Una vez seleccionada la ventana temporal o muestra de análisis se procedió a definir el indicador de buenos y malos con base en la matriz atraso promedio atraso máximo.
MATRIZ ATRASO PROMEDIO ATRASO MÁXIMO
Rango Atraso Max O Rango Atraso Prom Totalgeneral
1 ·15 16·30 31·60 61 - 90 91 - 120 > 120
Total general
O 3.386 7.878 15
1 -15 11.560 5.645 4.886 980 103 4 23.178
16·30
31 - 60
61·90
91 -120
> 120
11.279
10 730 1.793 851 276 3.660
30 492 987 1.775 3.284
3 47 1.519 1.569
1.119 1.119
2.501 2.50 1
3.386 19.438 5.670 5.646 3.268 1.988 7.194 46.590
Fuente: Institución Financiera Ecuatoriana Elaboración propia
En esta matriz se observa que el 61,1% de la población empleada para la construcción de esta tabla se encuentra entre los 15 días de atraso promedio y atraso máximo, la elección de este par de valores fue considerado muy ácido para la institución, pues en su plan comercial tienen planificado realizar campafias agresivas de ventas, por lo que están dispuestos a asumir un mayor...
"En gran medida, la econometria no es una ciencia, definida por un estrecho conjunto de teoremas, sino más bien constituye un enfoque que sólo puede ser apreciado y asimilado en toda su magnitud a través de su empleo cotidiano". Michael D. Intriligator
Una vezdefinida la estructura que debe seguirse para desarrollar un modelo scoring se procede a mostrar los resultados obtenidos de la aplicación en una institución financiera ecuatoriana dedicada al otorgamiento de créditos de consumo. Se sigue la estructura metodológica mostrada en el apartado 3, pero se obvia la explicación de cada numeral pues se desarrollo ampliamente en los capítulos precedentes.
1.-Selección de la muestra
Análisis de cosechas Para la selección de la muestra se construyó el indicador tasa de morosidad definiendo al malo como el cliente que ha incurrido alguna vez, en su primera operación crediticia, en una mora máxima de 30 días. Bajo esta definición las gráficas y los resultados estadísticos que testean la existencia de una probabilidad uniforme'" junto con la ventanatemporal de estudio elegida se muestra a continuación:
37 Esta prueba se conoce como Kolmogorov-Smirnov y testea la probabilidad de que una distribución empírica se ajuste a una distribución teórica específica, para el caso de estudio el interés es que la distribución sea uniforme.
58
Product o: Crédito de consumo Periodo de madurez de la cartera: diciembre 2002 - abril 2004
3000
""""""
Cartera madura
_
% malos
-
Cant. clientes
Fuente: Institución Financiera Ecuatoriana Elaboración propia
La tabla debajo muestra los diferentes periodos analizados, en donde LCC indica el nombre del producto; los grupos LCCmalo, LCC05044 y LCC12044, son la muestra total, la muestra entre mayo de 2003 y abril de 2004 y la muestra entre diciembre de 2003 y abril de 2004.La prueba de Kolmogorov-Smirnov realizada para distintos periodos muestra que la tercera ventana temporal se ajusta mejor a una distribución uniforme (regla empírica que sugiere un buen ajuste cuando la significación asintótica está por encima de 0,5). El periodo comprendido en esta muestra va desde diciembre de 2002 hasta abril
.
de 2004.
59
Prueba de Kolmogorov-5mirnov para unamuestra N Parámetros uniformes a,b LCCMALO 60 ,000 ,336 ,351 ,033 -,351 2,716 ,000 LCC05044 34 ,25 ,34 ,154 ,120 -,154 ,895 ,399 LCC12044 15 ,27
,34
Mínimo Máximo Absoluta Positiva Negativa
Diferencias más extremas Z de Kolmogorov-Smimov Sigoasintót. (bilateral)
,196 ,091 -,196 ,759 ,612
a. La distribución de contraste es la Uniforme. b. Se han calculado a partir de los datos.
Paqueteestadfstico empleado: SPSSversión 11.5
Fuente: Institución Financiera Ecuatoriana
Elaborac ión propia
2.- Definición de buenos y malos
Una vez seleccionada la ventana temporal o muestra de análisis se procedió a definir el indicador de buenos y malos con base en la matriz atraso promedio atraso máximo.
MATRIZ ATRASO PROMEDIO ATRASO MÁXIMO
Rango Atraso Max O Rango Atraso Prom Totalgeneral
1 ·15 16·30 31·60 61 - 90 91 - 120 > 120
Total general
O 3.386 7.878 15
1 -15 11.560 5.645 4.886 980 103 4 23.178
16·30
31 - 60
61·90
91 -120
> 120
11.279
10 730 1.793 851 276 3.660
30 492 987 1.775 3.284
3 47 1.519 1.569
1.119 1.119
2.501 2.50 1
3.386 19.438 5.670 5.646 3.268 1.988 7.194 46.590
Fuente: Institución Financiera Ecuatoriana Elaboración propia
En esta matriz se observa que el 61,1% de la población empleada para la construcción de esta tabla se encuentra entre los 15 días de atraso promedio y atraso máximo, la elección de este par de valores fue considerado muy ácido para la institución, pues en su plan comercial tienen planificado realizar campafias agresivas de ventas, por lo que están dispuestos a asumir un mayor...
Leer documento completo
Regístrate para leer el documento completo.